Python中的快速RGB阈值(可能是一些智能的OpenCV代码？)

Question

我需要对大量图像进行一些快速阈值处理，每个RGB通道都有一个特定的范围，即移除(变黑)不在100;110中的所有R值，不在80;85中的所有G值，以及不在120;140中的所有B值

使用python绑定到OpenCV提供了一个快速阈值，但它将所有三个RGP通道的阈值设置为一个值：

cv.Threshold(cv_im,cv_im,threshold+5, 100,cv.CV_THRESH_TOZERO_INV)
cv.Threshold(cv_im,cv_im,threshold-5, 100,cv.CV_THRESH_TOZERO)

或者，我尝试手动将图像从PIL转换为numpy：

arr=np.array(np.asarray(Image.open(filename).convert('RGB')).astype('float'))
for x in range(img.size[1]):
    for y in range(img.size[0]):
        bla = 0
        for j in range(3):
            if arr[x,y][j] > threshold2[j] - 5 and arr[x,y][j] < threshold2[j] + 5 :
                bla += 1
        if bla == 3:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 200
        else:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 0

虽然这是预期的工作，但它是可怕的缓慢！

关于如何快速实现这一点，有什么想法吗？

非常感谢，Bjarke

Answer 1

我认为您感兴趣的是inRange opencv方法。它将允许您同时设置多个阈值。

因此，在您的示例中，您将使用

# Remember -> OpenCV stores things in BGR order
lowerBound = cv.Scalar(120, 80, 100);
upperBound = cv.Scalar(140, 85, 110);

# this gives you the mask for those in the ranges you specified,
# but you want the inverse, so we'll add bitwise_not...
cv.InRange(cv_im, lowerBound, upperBound, cv_rgb_thresh);
cv.Not(cv_rgb_thresh, cv_rgb_thresh);

希望这能有所帮助！

Answer 2

如果你不使用循环，你可以用更快的方式来做这件事。

这是我想出来的：

def better_way():
    img = Image.open("rainbow.jpg").convert('RGB')
    arr = np.array(np.asarray(img))

    R = [(90,130),(60,150),(50,210)]
    red_range = np.logical_and(R[0][0] < arr[:,:,0], arr[:,:,0] < R[0][1])
    green_range = np.logical_and(R[1][0] < arr[:,:,0], arr[:,:,0] < R[1][1])
    blue_range = np.logical_and(R[2][0] < arr[:,:,0], arr[:,:,0] < R[2][1])
    valid_range = np.logical_and(red_range, green_range, blue_range)

    arr[valid_range] = 200
    arr[np.logical_not(valid_range)] = 0

    outim = Image.fromarray(arr)
    outim.save("rainbowout.jpg")


import timeit
t = timeit.Timer("your_way()", "from __main__ import your_way")
print t.timeit(number=1)

t = timeit.Timer("better_way()", "from __main__ import better_way")
print t.timeit(number=1)

省略的your_way函数是上面代码的略微修改版本。这种方式运行得更快：

$ python pyrgbrange.py 
10.8999910355
0.0717720985413

这是10.9秒而不是0.07秒。

Answer 3

PIL point函数为图像的每个波段获取一个包含256个值的表，并将其用作映射表。它应该会很快。下面是在这种情况下如何应用它：

def mask(low, high):
    return [x if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140))

numpy编辑：上面的输出与您的示例不同；我遵循的是描述而不是代码。下面是最新消息：

def mask(low, high):
    return [255 if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140)).convert('L').point([0]*255+[200]).convert('RGB')

这将在图像上进行一些转换，在此过程中制作副本，但它仍然应该比对单个像素进行操作更快。